第1章 绪论 1
1.1人脸识别的目的和意义 1
1.2人脸识别的研究现状 2
1.2.1国际研究动态 2
1.2.2国内研究现状 4
1.3人脸识别的研究内容 5
1.3.1经典的工作 5
1.3.2最新的动向 6
1.4本书的主要目的和内容安排 7
1.4.1主要目的 7
1.4.2内容安排 7
参考文献 8
第2章 人脸特征表示 11
2.1主成分分析 11
2.2线性判别分析 12
2.3最大间距准则 13
2.4二维主成分分析 13
2.5二维线性判别分析 14
2.6双向主成分分析 15
2.7类增广PCA 16
2.8自适应类增广PCA 18
2.9融合小波变换和自适应类增广PCA 20
2.10二维类增广PCA 21
2.10.1用2DPCA进行预处理 21
2.10.2特征矩阵归一化 22
2.10.3根据类信息获得类增广数据 22
2.10.4对类增广数据进行2DPCA处理 23
2.11实验结果与分析 23
2.11.1识别性能分析 24
2.11.2时间和综合性能分析 26
2.11.3二维CAPCA的实验 27
2.12本章小结 29
参考文献 29
第3章 光照预处理与自适应特征提取 30
3.1基于小波变换的预处理 30
3.2自商图像 31
3.3Retinex方法 32
3.4各向异性光滑处理 34
3.5同态滤波 35
3.6局部对比增强 37
3.7基于Curvelet的特征提取 38
3.7.1Curvelet变换 38
3.7.2离散Curvelet变换的实现方法 40
3.8自适应特征的提取 41
3.8.1候选特征的表示 42
3.8.2鉴别能力分析与特征选择 42
3.9非参数子空间分析 43
3.10 2DPCA非参数子空间分析 44
3.10.1二维主成分分析 44
3.10.2二维非参数子空间分析 45
3.10.3特征提取和分类 46
3.11实验结果与分析 46
3.11.1分块熵特征表示的性能优势 46
3.11.2自适应特征选择 47
3.11.3不同2DPCA子空间对2DNSA的影响 49
3.11.4各种光照预处理与特征提取方法相结合对比分析 50
3.12本章小结 56
参考文献 57
第4章 流形学习与图像粒计算方法 59
4.1等距映射 59
4.2局部线性嵌入 61
4.3拉普拉斯特征映射 64
4.4局部保持投影 65
4.5流形学习算法分析 67
4.6粒计算 69
4.6.1粒计算的基本组成 69
4.6.2粒计算的基本问题 70
4.6.3粒计算的应用研究 71
4.7图像粒 72
4.8基于图像粒的图像处理 73
4.9人脸图像低维嵌入 74
4.9.1人脸图像二维嵌入 75
4.9.2基于图像粒的LLE 76
4.9.3加权预处理的图像粒 LLE 79
4.10基于图像粒LPP的人脸姿态和表情分析 83
4.10.1CMU PIE人脸库实验 83
4.10.2Frey人脸库实验 86
4.11本章小结 98
参考文献 98
第5章 小波变换与特征提取 100
5.1二维小波变换 100
5.2基于小波和流形学习的人脸姿态表情分析 102
5.2.1图像特征信息粒 102
5.2.2基于小波分解的流形算法 103
5.3Gabor小波特征提取 104
5.3.1Gabor小波介绍 104
5.3.2Gabor特征表示 104
5.4基于Gabor小波的S2DNPE算法 104
5.4.1有监督的二维近邻保持嵌入 105
5.4.2GS2DNPE的算法流程 105
5.5基于Gabor小波的SB2DLPP算法 106
5.5.1双向二维局部保持投影 106
5.5.2有监督的双向二维局部保持投影算法 107
5.6双向二维近邻保持嵌入算法 109
5.7双向二维近邻保持判别嵌入算法 111
5.7.1投影矩阵的求解 111
5.7.2特征分类识别 114
5.8实验结果与分析 114
5.8.1基于Gabor小波的S2DNPE算法 114
5.8.2基于Gabor小波的SB2DLPP算法 119
5.8.3双向二维近邻保持判别嵌入算法 126
5.9本章小结 131
参考文献 132
第6章 稀疏表示与字典学习 133
6.1稀疏表示的模型和求解算法 133
6.2协同表示理论 134
6.3字典学习 137
6.4类别特色字典学习 137
6.5类别特色字典优化 139
6.6共享字典学习 140
6.7共享字典和类别特色字典结合的分类方法 141
6.8类内变化字典学习 143
6.9类内变化字典优化 144
6.10分类策略 145
6.11实验结果分析 146
6.11.1类别特色字典优化实验 146
6.11.2算法6－4实验 155
6.12本章小结 164
参考文献 165
第7章 特征筛选与人脸表情识别 167
7.1LBP算子 167
7.2CLBP算子 168
7.3DisCLBP算子 169
7.4基于Fisher准则改进的DisCLBP特征筛选算法描述 170
7.5基于DisCLBP的人脸表情识别 173
7.6特征块初始化 175
7.7初次筛选特征块 177
7.8再次筛选特征块并分类 178
7.9实验结果与分析 180
7.9.1DisCLBP的人脸表情识别实验 180
7.9.2筛选特征块实验 183
7.10本章小结 189
参考文献 189
第8章 人脸特征点检测与2D矫正 191
8.1牛顿法 191
8.2从牛顿法推导SDM 193
8.2.1牛顿法表达式 193
8.2.2SDM 194
8.3人脸特征点检测SDM 195
8.3.1SDM流程 195
8.3.2SDM流程图 197
8.3.3SIFT特征点检测 198
8.4Delaunay三角剖分介绍 202
8.4.1三角剖分定义 202
8.4.2Delaunay三角剖分定义 203
8.4.3Delaunay三角剖分准则 203
8.4.4Delaunay三角剖分特性 204
8.4.5局部最优化处理 204
8.5Delaunay三角剖分算法 205
8.5.1Lawson算法 205
8.5.2Bowyer－Watson算法 206
8.6基于网络变形的人脸矫正 209
8.6.1包围盒 209
8.6.2人脸矫正的流程 209
8.6.3面部变形 209
8.6.4仿射变换 212
8.7实验结果及分析 215
8.7.1人脸库简介 215
8.7.2LFW人脸库上的实验 215
8.7.3对比分析 217
8.8本章小结 219
参考文献 220
第9章 人脸特征检测与深度学习 221
9.1背投影 221
9.2特征检测和描述 222
9.2.1Haar级联检测 223
9.2.2HoG 224
9.3R－CNN系列 225
9.3.1R－CNN 225
9.3.2Fast R－CNN 229
9.3.3Faster R－CNN 232
9.4BoVW 234
9.4.1BoVW模型 235
9.4.2基于BoVW模型的学习和识别 235
9.5DeepFace 236
9.5.1DNN架构和训练 236
9.5.2标准化 237
9.5.3验证度量 238
9.6基于MT－CNN和FaceNet的算法描述 238
9.6.1人脸检测和识别的技术分析 238
9.6.2MT－CNN 240
9.6.3FaceNet 242
9.6.4多实例模型 243
9.7实验结果及分析 244
9.7.1FaceNet分析 244
9.7.2多实例模型分析 247
9.8本章小结 250
参考文献 250